公平性

预计单元时长：110 分钟

以负责任的方式评估机器学习模型 (ML) 需要完成的工作不仅仅是 只是用来计算整体损失指标。在将模型投入生产环境之前， 因此，审核训练数据和评估预测结果至关重要， 偏差。

本单元介绍可能出现的 训练数据。然后提供识别和缓解它们的策略， 然后以公平性原则评估模型性能。

学习目标

本单元假定您熟悉 以下模块：

• 了解机器学习算法可能会无意中重现的常见人为偏见。
• 在训练模型之前主动探索数据以确定偏差来源。
• 评估模型预测是否存在偏差。

前提条件：

• 机器学习简介
• 线性回归
• 逻辑回归
• Classification
• 处理数值数据
• 使用分类数据
• 数据集、泛化和过拟合

关键术语：

• 偏见（道德/公平性）
• 模型